结构方程模型PPT课件[文字可编辑].ppt

较理想的拟合指数 ? (1) 不受样本含量的影响 ; ? (2) 惩罚复杂模型 ( 自由参数较多的模型 ? (3) 对误设模型敏感。 . ) ; 较理想的拟合指数 ? (1) 不受样本含量的影响 ; ? (2) 惩罚复杂模型 ( 自由参数较多的模型 ? (3) 对误设模型敏感。 . ) ; 较理想的拟合指数 ? (1) 不受样本含量的影响 ; ? (2) 惩罚复杂模型 ( 自由参数较多的模型 ? (3) 对误设模型敏感。 . ) ; 最好结合多个指标报告结果 , 而不要只依赖一种选择。 . 注意的问题 . 七、应用 SEM 1. SEM 分析流程 ? 如果无任何理论依据和实际工作基础就直 接构建模型 , 这种模型除了提供统计学的结 论外 , 无任何实际意义。因此 , SEM 分析首 先以理论为基础构建模型 , 在此所谓的理论 并非 SEM 模型的统计理论 , 而是强调 SEM 模型是建立在一定构念之上 , 提出一套有待 检验的假设模型。 . . 2. SEM 模型的前提假定 ? (1) 样本含量的要求 ? 样本具体要多大尚无统一规定 , 确定研究的 样本量 , 一般须考虑样本代表性、模型估计 和模型评价三个方面的需要。 ? Stevens(1996) 认为样本含量至少应该是观测 变量或指示变量数目的 15 倍。在实际应用 中 , 建议尽量避免对少于 200 例的样本作 SEM 分析 , 其分析结果不稳定 , 也缺乏准确 性。 . ? ( 2) 数据的分布 SEM 分析时一般要求数据服从多元正态分布 , 当违反正态 分布的假定时 , S EM 分析结果应受质疑 , 因此 , 撰写研究论 文时 , 应给出数据的分布特征与假设检验结果。 ? 非正态数据可采用四种方法来处理 : ①变量转换。 采用变量变换后对估计参数的解释按照新的测度 进行 , 得到的因子载荷不再是原非正态观测变量的 因子载荷 , 故一般不建议使用转换后的变量进行研 究 ; ②使用经过调整的基于正态理论的模型检验统 计量和参数标准误 , 如 S -B 调整方法 ; ③使用任意 分布估计方法 , 如 B rownes 渐近任意分布 ( asymptotically distribution free, ADF) 估计方法 ; ④自助抽样方法。 . 3. 等同性分析 ? 在跨文化研究、分组比较均值结构 (means struc tu re ) 等应用中 , 即使一个测量被证明 有良好的信度与效度 , 并不能说明这些测量 与其所测得的潜在因素在不同的受试对象 上具有相同的意义。因此 , 须事先进行测量 的等同性 (measurement invariance) 检验 , 提 供研究者因素构建、因子载荷、误差估计 在不同样本间的等同性或歧义性。 . ? V andenberg 和 L ance ( 2000) 曾建议在下面 的情况下才可以 : ①只允许极少数题目在两 组的载荷不相同 ; ②要有充分的理论依据支 持 ; ③在不同样本得出相同结果 . 4. S EM 结果报告 ? 参数的合理性：该参数是否符合数学或统计学理 论上的可能性 , 或是实证资料的可能性； ? 假设检验：检验各参数的统计意义 , 在结构方程模 型中各参数的检验是以检验的方式来进行； ? 标准化解：是将所有参数估计的结果以标准化的 方式来呈现。标准化解有两种形式 : 完全标准化解 ( completely standardized solutions) 与标准化解 ( standardized solutions ) 。 . 2. 缺点 ? ①在 SEM 的应用早期由于其自身的相对复杂性 和不完善性 , 使研究者们未能准确把握其内涵 , 因 而出现了误用并把统计结果作为确定因果关系方 向的证据 , 这显然是本末倒置。又由于 SEM 对模 型的接受没有统一标准 , 所以在有等价模型的情况 下研究者很难拒绝某些模型 , 这也给模型选择带来 了困难 ; ? ②影响 SEM 解释能力的主要问题是指定误差 , 但 SEM 程序目前还不能对指定误差加以检验。如果 用样本特征推论总体可能会犯以偏概全的错误 ; . ? ③ SEM 对样本容量的要求较高 , 也要求模 型必须满足识别条件并且它不能处理真正 的分类变量。 . ? ③ SEM 对样本容量的要求较高 , 也要求模 型必须满足识别条件并且它不能处理真正 的分类变量。 . ? ③ SEM 对样本容量的要求较高 , 也要求模 型必须满足识别条件并且它不能处理真正 的分类变量。 . . 五、应用实例 . . . . 应用场合 . . . . . . . .